ハイブリッド型転移学習による物体検出における学習の効率化

摘要

統計的学習法に基づく人検出では，学習サンプル収集に伴う人的コストと特定シーンに合わせた再学習のための時間的コストが大きな問題である．サンプル収集を省力化する手法としてBoostingに基づく転移学習が提案されているが，事前学習シーンと特定シーンの間に大きな変化がある場合，その変化に適応するのは困難である．そこで本研究では，転移によって得られる特徴量と，再学習と同様の全特徴探索の2つの特徴空間を用意し，定義する学習効率に基づいて特徴空間を選択的に切り替えるハイブリッド型転移学習を提案する．提案手法は転移学習の持つ少数サンプルでの高速な識別器構築を特長として持ち，再学習に比べ3.2倍以上高速且つ，従来の転移学習に比べ最大で8.35％の高精度化を実現した．